麥肯錫近日發布智能流程自動化專文（IPA，Intelligent Process Automation），文章指出 IPA 能夠極大地提高公司的核心競爭力，並展示了如何使用它來提高生產效率，減少操作風險，以及提高用戶體驗。

自2007-09的經濟危機以來，許多公司應用了精益管理來提高成本效率，消費者滿意度，和員工參與度，並且許多項目已經在各個維度上實現了顯著的影響。但是，就像歷史上各種變革一樣，數字化的進程並不平坦。

這正是IPA所能解決的問題。我們有理由相信：IPA是企業下一代運行模型的核心部分。目前許多跨行業的公司都在嘗試IPA，並取得了令人印象深刻的成果：

50% - 70%的任務自動化完成

年運行成本效率達到20% - 35%

直通式交易處理時間（straight-through process）減少50% - 60%

投資回報率的百分比通常都在三位數以上

IPA有下面五個核心技術：

1. 機器人流程自動化（RPA，Robotic process automation）：一個可以自動執行規律性工作的自動化軟體工具，可以執行一些重複性的、有規律的工作，例如：通過已經存在的用戶接口提取和清理數據。機器像人一樣擁有一個用戶ID，基於一定規則，通過郵件系統執行計算、創建文檔和報告、撰寫記錄等任務。RPA幫助一家大型保險公司每天減少2500個高危帳戶的多餘排隊程序，從而解放了81%的FTE到帳戶管理崗位上。

2. 智能工作流（smart workflow）：一種流程管理軟體工具，它集成了由人和機器團隊執行的工作(例如，通過控制RPA以幫助流程管理)。允許用戶實時啟動和跟蹤端到端過程的狀態；該軟體將管理不同組之間的切換，包括機器人和人類用戶之間的切換，並提供瓶頸階段的統計數據。

3. 機器學習/高級分析：一種通過「監督」或者「無監督」學習來識別結構化數據中模式（例如每日績效數據）的算法。監督算法在根據新輸入做出預測之前，通過已有的結構化數據集的輸入和輸出進行學習。無監督算法觀察結構化的數據，直接識別出模式。機器學習和高級分析可能會改變保險行業的遊戲規則，例如，提高合規性、降低結構成本、從觀察中得到競爭優勢。高級分析已經在主要的HR團隊中廣泛實施，以確定和評估領導者以及管理人員的關鍵屬性，以便更好地預測行為，規劃職業路徑和確認下一任領導崗位歸屬。

4. 自然語言生成（NLG, natural-language generation）：一種在人類和系統之間創建無縫交互的引擎，它遵循規則將從數據中觀察到地信息轉換成文字。廣播公司一直在使用自然語言生成來實時地撰寫關於比賽的文章。結構化的性能數據可以通過管道傳輸到自然語言引擎中，並自動編寫成內部和外部的管理報告。主要金融機構已經使用NLG來複製其每周的管理報告。

5. 認知智能體（cognitive agents）：一種結合了機器學習和自然語言生成的技術，它可以作為一個完全虛擬的勞動力（或者「智能體」），並有能力完成工作，交流，從數據集中學習，甚至基於「情感檢測」做出判斷等任務。認知智能體可以通過電話或者交談來幫助員工和客戶，例如在員工服務中心。一個使用認知技術的英國汽車保險公司的轉化率提高了22%，驗證錯誤率降低了40%，整體投資回報率為330%。

資料來源：麥肯錫報告/原文網址：https://read01.com/d8onD7.html